Utilizarea unei memorii cache pregătite pentru fetch_20newsgroups din scikit-learn

Când ținta nu poate descărca prin proxy-ul său, pregătiți setul de date cu fetcherul acceptat pe o rută de lucru aprobată și transferați memoria cache compatibilă. Pe țintă:

from sklearn.datasets import fetch_20newsgroups

dataset = fetch_20newsgroups(
    data_home='/path/to/prepared-scikit-data',
    download_if_missing=False,
)

download_if_missing=False ridică OSError dacă datele lipsesc; nu încearcă o altă rută de descărcare. Folosiți acel rezultat pentru a distinge pregătirea lipsă de o operație ulterioară asupra datelor.

Potriviți locația memoriei cache a țintei. get_data_home raportează valoarea implicită, în timp ce SCIKIT_LEARN_DATA sau un data_home explicit o pot schimba. O memorie cache din directorul home al altui utilizator nu este vizibilă automat aici.

Creați memoria cache folosind o versiune compatibilă a bibliotecii și fetcherul însuși. O arhivă tar sau un pickle intern făcut manual nu sunt interschimbabile cu acel rezultat acceptat.

Pentru descărcări live, configurați mediul proxy al descărcătorului real înainte ca Python să pornească. Acolo unde gazda setului de date este publică și descărcările prin proxy public sunt permise, lista de proxy-uri HTTP oferă candidați pentru valorile de mediu proxy HTTP ale descărcătorului. Instalarea scikit-learn sau folosirea exemplelor load_* incluse nu exersează o descărcare a setului de date prin rețea.